在传感器使用中，我们常常需要对传感器数据进行各种整理，让应用获得更好的效果，以下介绍几种常用的简单处理方法：
1.加权平滑：平滑和均衡传感器数据，减小偶然数据突变的影响；
2.抽取突变：去除静态和缓慢变化的数据背景，强调瞬间变化；
3.简单移动平均线：保留数据流最近的K个数据，取平均值；
01加权平滑
使用算法如下：
（新值） = （旧值）*（1 - a） + X *_a其中a为设置的权值，X为最新数据，程序实现如下：
float ALPHA = 0.1f;_
public void onSensorChanged(SensorEvent event){
x = event.values[0];_
y = event.values[1];_
z = event.values[2];_
mLowPassX = lowPass(x，mLowPassX);_
mLowPassY = lowPass(x，mLowPassY);_
mLowPassZ = lowPass(x，mLowPassZ);_
}
private float lowPass(float current，float last){
return last *_(1.0f - ALPHA) + current *_ALPHA;_
}
02抽取突变采用上面加权平滑的逆算法
实现代码如下：
public void onSensorChanged(SensorEvent event){
final float ALPHA = 0.8;gravity[0] = ALPHA *_gravity[0] + (1-ALPHA) *_event.values[0];_
gravity[1] = ALPHA *_gravity[1] + (1-ALPHA) *_event.values[1];_
gravity[2] = ALPHA *_gravity[2] + (1-ALPHA) *_event.values[2];filteredValues[0] = event.values[0] - gravity[0];_
filteredValues[1] = event.values[1] - gravity[1];_
filteredValues[2] = event.values[2] - gravity[2];_
}
03简单移动平均线
保留传感器数据流中最近的K个数据，返回它们的平均值。k表示平均“窗口”的大小；
实现代码如下：
public class MovingAverage{
private float circularBuffer[];_//保存传感器最近的K个数据
private float avg;_//返回到传感器平均值
private float sum;_//数值中传感器数据的和
private float circularIndex;_//传感器数据数组节点位置
private int count;public MovingAverage(int k){
circularBuffer = new float[k];_
count= 0;_
circularIndex = 0;_
avg = 0;_
sum = 0;_
}
public float getValue(){
return arg;_
}
public long getCount(){
return count;_
}
private void primeBuffer(float val){
for(int i=0;i
circularBuffer = val;_
sum += val;_
}
}
private int nextIndex(int curIndex){
if(curIndex + 1 >= circularBuffer.length){
return 0;_
}
return curIndex + 1;_
}
public void pushValue(float x){
if(0 == count++){
primeBuffer(x);_
}
float lastValue = circularBuffer[circularIndex];_
circularBuffer[circularIndex] = x;_//更新窗口中传感器数据
sum -= lastValue;_//更新窗口中传感器数据和
sum += x;_
avg = sum / circularBuffer.length;_//计算得传感器平均值
circularIndex = nextIndex(circularIndex);_
}
}
『本文转载自网络，版权归原作者所有，如有侵权请联系删除』
